• ¿Por qué es útil la representación gráfica de los datos?

Cuarteto de Anscombe (Muzner, 2015)

• Gran variedad de gráficos y elementos de diseño.
• ¿Qué diseño o combinación es la más adecuada para nuestro análisis?
• Una representación debe ser sencilla, fácil de interpretar y debe captar la atención del público.
• Método Munzner:

• Tipo vs. semántica

  • Estructura vs. significado

• Tipo de dato => != formato de almacenamiento de su valor

  • No confundir tipo de dato con formato del dato

(Muzner, 2015)

• Tipos básicos de datos:

  • item = individuo
  • atributo = característica o variable
  • enlace = relación entre dos items en un grafo o red
  • malla = relaciones geométricas y topológicas entre celdas
    
  • posición en datos espaciales = coordenadas en el espacio

• ¡¡¡Cuidado con los datos con dependencias estrictas!!!

(Muzner, 2015)

• Según el almacenamiento y procesamiento de los datos -> un tipo de dataset

  • Tablas: los datos se representan por filas (= items) y columnas (= atributos) -> DataFrame

  • Redes: se representan relaciones (enlace) entre items

    • Los enlaces pueden tener atributos (grado de importancia, tipo de relación…)

  • Cuerpos: valores de atributos asociados con celdas o regiones (malla)

  • Geometrías: contiene información para respresentar formas -> representación de datos espaciales.

(Muzner, 2015)

• Tipos de gráficos:

  • Estáticos: representación fija.

  • Dinámicos: representación no fija -> variación de algún atributo a lo largo del tiempo (gganimate)

    • Interactivos: interacción del espectador (Shiny)

(Muzner, 2015)

• Atributo = características de un item

  • Categórico: conjunto de etiquetas de identificación, no tienen orden. Ejem: colores.

  • Ordenado: valores ordenados entre sí -> operaciones de comparación lógica. Ejem: notas de un examen, tallas de ropa…

    • Variables cuantitativas: valores referenciados respecto a un mismo origen.
    • Secuenciales, divergentes o cíclicos (según la dirección de ordenación)

• Marcas = símbolos que se utilizan en la representación
• Canales de percepción

(Muzner, 2015)

• Multitud de paletas de colores

• Podemos definir la nuestra propia

• Recomendaciones:

  • Utilizar una paleta de colores existente.

  • Tener en cuenta el propósito del gráfico.

    • Paletas con graduación de saturación o iluminación -> atributos con valores cuantitativos.
    • Paletas con combinación de colores -> representación de varios atributos.

  • Revisar la documentación de los paquetes.

• Ventaja de utilizar una paleta:

  • Tienen en cuenta la teoría del color, la interpretación del color y otros aspectos.
  • Número máximo de colores de una paleta 7-10. Excesivo número de colores genera confusión.

• Paquetes más conocidos de R:

  • viridis: diseñado para espectadores con ceguera de algún color. Se pueden convertir faciltmente a B/N.
  • colorspace: diseñadas dependiendo del tipo de atributo (categórico, secuencial, divergentes, etc.).
  • RColorBrewer: en cartografía porque tiene una herramienta interactiva de selección de paletas en función del objetivo del mapa

• Evitar uso de elementos y gráficos 3D representados en una área de visualización (excepto 3D inmersiva).

Fuente: (Healy, 2019)

• Evitar representación gráfica en 2D si es suficiente con una tabla o una lista.
• Utilizar elementos y canales que introduzcan poca carga cognitiva.
• Uso de animaciones = arma de doble filo. Preferencia por parrillas de gráficos

• Más reglas básicas:

  • 1º resumen global -> 2º acceso a detalles.
  • Proceso de renderizado del gráfico sea ágil.
  • Muy importante que los gráficos se puedan representar en B/N.
  • 1º gráfico funcional -> 2º gráfico bonito.

• 1º REGLA: Maximizar data-to-ink ratio.

  • Un gráfico con muchos elementos superpuestos hará que no veamos nada -> transparencia

Fuente: [ggplot2: overplotting]

• 2º REGLA: Utilizar un tema de gráfico sencillo.

Fuente: (Healy, 2019)

• 3º REGLA: Priorizar los datos, sobre los elementos de diseño.

  • Cualquier elemento de diseño tiene que cumplir una función.
  • Su utilización no puede estar sujeta a un motivo estético.

Fuente: (Healy, 2019)

• 4º REGLA: Uso de facetas o grid de representaciones para las comparaciones

• 5º REGLA: Proporcionar contexto adicional: leyenda, anotaciones…

• No dar por buenas las configuraciones por defecto de bibliotecas y herramientas de visualización

  • Ejemplo diseño por defecto de ggplot2.
  • Aspectos +: no saturado, presentación simple y directa, leyenda
  • Aspectos -: interpretación del gráfico

Fuente: (Healy, 2019)

• Cuidar el ratio del aspecto de los ejes de coordenadas

Fuente: (Healy, 2019)

• Teoría de la Gestalt

  • Proximidad: elementos juntos tienden a ser relacionados.
  • Similaridad: elementos con aspecto parecido tienden a ser relacionados.
  • Conexión: elementos visualmente ligados tienden a ser relacionados.
  • Continuidad: elementos parcialmente ocultos tienden a ser completados.
  • Cierre: elementos sin cerrar tienden a ser cerrados.
  • Figura y fondo: figura en 1º plano, fondo en 2º plano.
  • Destino común: elementos con mismo destino se perciben como una unidad.

• Uso adecuado de las escalas.

  • No se pueden comparar gráficos que utilicen diferentes escalas.

Fuente: (Healy, 2019)

• Análisis exploratorio de datos

  • Representación de distribuciones de valores.
  • Resumen de propiedades de conjuntos de datos.
  • Distribuciones de valores univariantes

Fuente: (Wilke, 2019)

• Análisis exploratorio de datos

  • Ejemplos:

• Análisis exploratorio de datos

  • Ejemplos:

• Análisis exploratorio de datos

  • Ejemplos:

• Análisis exploratorio de datos

  • Distribuciones de valores en función de un atributo categórico

Fuente: (Wilke, 2019)

• Análisis exploratorio de datos

  • Boxplot

Fuente: https://www.data-to-viz.com/caveat/boxplot.html

• Análisis exploratorio de datos

  • Ejemplo boxplot con puntos

• Análisis exploratorio de datos

  • Ejemplos

• Análisis exploratorio de datos

  • Ejemplos

• Análisis exploratorio de datos

  • Ejemplos

• Relaciones cuantitativo-cuantitativo (gráficos X-Y)

Fuente: (Wilke, 2019)

• Relaciones cuantitativo-cuantitativo (gráficos X-Y)

  • Ejemplos

• Relaciones cuantitativo-cuantitativo (gráficos X-Y)

Fuente: (Wilke, 2019)

• Relaciones cuantitativo-cuantitativo (gráficos X-Y)

  • Ejemplos

• Relaciones cuantitativo-cuantitativo (gráficos X-Y)

  • Gráficos para representar datos con estricta dependencia temporal

Fuente: (Wilke, 2019)

• Relaciones cuantitativo-cuantitativo (gráficos X-Y)

  • Ejemplos:

• Relaciones cuantitativo-cualitativo

  • Representación de valores numéricos frente a variable categórica

Fuente: (Wilke, 2019)

• Relaciones cuantitativo-cualitativo

  • Ejemplo

• Relaciones cuantitativo-cualitativo

  • Representación de valores numéricos frente a varias variables categóricas

Fuente: (Wilke, 2019)

• Relaciones cuantitativo-cualitativo

  • Ejemplo:

• Relaciones cuantitativo-cualitativo

• Proporciones.

Fuente: (Wilke, 2019)

-Proporciones. Múltiples conjuntos de proporciones.

Fuente: (Wilke, 2019)

• Proporciones. Múltiples conjuntos de proporciones.

  • Ejemplo:

• Proporciones en función de más de una variable categórica.

Fuente: (Wilke, 2019)

• Proporciones en función de más de una variable categórica.

  • Ejemplo:

• Proporciones en función de más de una variable categórica.

  • Ejemplo:

• Datos espaciales

Fuente: (Wilke, 2019)

• Datos espaciales

  • Ejemplos:

• Representación de la incertidumbre

  • Gráficos con márgenes de error en medidas o estimaciones estadísticas

Fuente: (Wilke, 2019)

• Gráficos de distribución de probabilidad en intervalos de confianza

Fuente: (Wilke, 2019)

• Representación de la incertidumbre

  • Gráficos con bandas de intervalos de confianza

Fuente: (Wilke, 2019)

• Multitud de tipos de gráficos entre los que escoger.

Resumen diagrama de decisión

• Gramática de gráficos:

  • Paradigma de diseño de gráficos
  • Creado por Wilkinson
  • Organizar y estructurar los elementos de un gráfico
  • Lo siguen muchas bibliotecas y paquetes de visualización, ejem: ggplot2

• Elementos de la gramática de gráficos:

  • Datos:
  • Transformaciones
  • Elementos (puntos, líneas) y sus atributos (color, tamaño)
  • Escala de representación
  • Guías de interpretación
  • Sistema de coordenadas (cartesiano, polar…)
  • Facetas (grid)
  • Otros: elementos estéticos, geometrías…

• H. Wickham:

  • Organización de elementos por capas